1.一种基于Transformer的鱼群摄食决策方法,其特征在于:所述基于Transformer的鱼群摄食决策方法包括如下步骤:S1、获取鱼群运动视频,采用YOLOv5模型对每帧图像进行检测获得每条鱼的检测框,并将每条鱼的位置信息表示为[x,y,w,h],其中,(x,y)为所述检测框的中心坐标,即鱼的质心坐标,w为所述检测框的宽度,h为所述检测框的高度;
S2、计算每帧图像的鱼群质心并进行归一化处理,所述鱼群质心的计算如下:
S21、采用Delaunay三角剖分法基于图像中所有鱼的质心坐标构建Delaunay三角网,所述Delaunay三角网保留n个鱼的质心坐标;
S22、根据二维高斯正态分布计算所述Delaunay三角网上各鱼的质心坐标的权重因子ai:其中,μ1=0,μ2=0,σ1=1,σ2=1,ρ=0,(xi,yi)为第i条鱼的质心坐标,i=1,2,3…n;
S23、所述鱼群质心的坐标(X,Y),满足如下公式:
S3、根据相邻两帧图像的鱼群质心之差计算鱼群运动速度和鱼群运动加速度,生成特征向量[p,v,a]作为相邻两帧中后一帧图像的鱼群行为特征,其中,p为相邻两帧中后一帧图像的鱼群质心,v为鱼群运动速度,a为鱼群运动加速度的绝对值,即鱼群活跃程度;
S4、对Transformer模型进行处理并将预设长度的特征向量输入Transformer模型进行训练,所述对Transformer模型进行处理包括去除embedding层;
S5、将待识别的预设长度的特征向量输入训练好的Transformer模型获得鱼群饥饿值,判断所述鱼群饥饿值是否大于预设阈值,若是,根据鱼群中鱼的数量进行投食,否则,不进行投食。
2.如权利要求1所述的基于Transformer的鱼群摄食决策方法,其特征在于:步骤S21中,所述采用Delaunay三角剖分法基于图像中所有鱼的质心坐标构建Delaunay三角网,具体如下:S211、将所有鱼的质心坐标视为数据点集中的数据点,遍历全部数据点,构建一个包围最多数据点的超级三角形并放入三角形链表;
S212、任取除所述超级三角形外其余数据点之一插入所述三角形链表,判断插入点是否在所述超级三角形内部,若是,将该插入点与所述超级三角形的三个角点分别连接形成新的凸多边形,否则,将该插入点与所述超级三角形上最近边的两个角点分别连接形成新的凸多边形;
S213、判断新的凸多边形是否包含四边形,若是,将四边形的对角线互换进行优化,否则,不进行优化;
S214、返回执行步骤S212,直至所述三角形链表包含n个数据点;
S215、任取n个数据点外的其余数据点之一插入所述三角形链表,将插入点与所述超级三角形外的n-3个数据点逐个尝试替换获得新三角形,并分别计算新三角形的内角和,若最大内角和大于对应的原三角形的内角和,则将原三角形替换为对应的新三角形,否则,不进行替换;
S216、返回执行步骤S215,直至所有其余数据点插入完成且无边线交叉,即获得所述Delaunay三角网。
3.如权利要求1所述的基于Transformer的鱼群摄食决策方法,其特征在于:所述归一化处理,公式如下:其中,q*为归一化处理后的鱼群质心;q为归一化处理前的鱼群质心;qmin为鱼群质心样本的最小值;qmax为鱼群质心样本的最大值。